day24JAVASE正则表达式

1.正则表达式
1.1概述
正则表达式定义了字符串的模式，可以用来搜索，编辑，处理文本，并不限于某一种语言
但是在每种语言中也会有细微的差别
jdk1.4推出正则表达式保存在java.util.regex包下
1.2 语法
元字符 描述
\ 将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\n”匹配\n。“\n”匹配换行符。序列“\”匹配“\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^ 匹配输入字符串的开始位置。如果设置了RegExp对象的
属性，^也匹配“\n”或“\r”之后的位置。
$ 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。

• 匹配前面的子表达式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。

• 匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
  ? 匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
  {n} n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
  {n,} n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
  {n,m} m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
  .点 匹配除“\r\n”之外的任何单个字符。要匹配包括“\r\n”在内的任何字符，请使用像“[\s\S]”的模式。
  (pattern) 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)”。
  (?:pattern) 匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
  (?=pattern) 正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
  (?!pattern) 正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
  (?=pattern) 反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
  (?<!pattern) 反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
  x|y 匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z|f)ood”则匹配“zood”或“food”。
  [xyz] 字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
  [^xyz] 负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
  [a-z] 字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
  注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
  [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
  \b 匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
  \B 匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
  \cx 匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
  \d 匹配一个数字字符。等价于[0-9]。
  \D 匹配一个非数字字符。等价于[^0-9]。
  \f 匹配一个换页符。等价于\x0c和\cL。
  \n 匹配一个换行符。等价于\x0a和\cJ。
  \r 匹配一个回车符。等价于\x0d和\cM。
  \s 匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
  \S 匹配任何可见字符。等价于[^ \f\n\r\t\v]。
  \t 匹配一个制表符。等价于\x09和\cI。
  \v 匹配一个垂直制表符。等价于\x0b和\cK。
  \w 匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
  \W 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
  \xn 匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。
  \num 匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
  \n 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
  \nm 标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
  \nml 如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
  \un 匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。
  < > 匹配词（word）的开始（<）和结束（>）。例如正则表达式<the>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
  ( ) 将 ( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。
  | 将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
• 匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
  ? 匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
  {i} {i,j} 匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字

Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 “\b” 与单个退格字符匹配，而 “\b” 与单词边界匹配。字符串字面值 “(hello)” 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 “\(hello\)”。
(),[],{}的区别
1>. 小括号()：匹配小括号内的字符串，可以是一个，也可以是多个，常跟“|”（或）符号搭配使用，是多选结构的
　　示例1：string name = “way2014”; regex：(way|zgw) result：结果是可以匹配出way的，因为是多选结构，小括号是匹配字符串的
　　示例2：string text = “123456789”; regex：(0-9)　result：结果是什么都匹配不到的，它只匹配字符串"0-9"而不是匹配数字, [0-9]这个字符组才是匹配0-9的数字
　2>.中括号[]：匹配字符组内的字符，比如咱们常用的[0-9a-zA-Z.?!]等，在[]内的字符都是字符，不是元字符，比如“0-9”、“a-z”这中间的“-”就是连接符号，表示范围的元字符，如果写成[-!?(]这样的话，就是普通字符
　　示例1： string text = “1234567890”; regex：[0-9] result：结果是可以匹配出字符串text内的任意数字了，像上边的【或符号“|”在字符组内就是一个普通字符】
　　示例2：string text = “a|e|s|v”; regex：[a|e|s] result：结果就是匹配字符a、e、s三个字符，这个跟(a|e|s)有区别的，区别就是(a|e|s)匹配的是a、e、s三个字符的随意一个，三个 中的任意一个，这里|是元字符
　3>.大括号{}：匹配次数，匹配在它之前表达式匹配出来的元素出现的次数，{n}出现n次、{n,}匹配最少出现n次、{n,m}匹配最少出现n次，最多出现m次

2.3 Java中的正则表达式
java.util.regex包
PatternSyntaxException 是一个非强制异常类，它表示一个正则表达式模式中的语法错误
2.3.1 Pattern
 用于创建一个正则表达式，也可以说创建一个匹配模式，它的构造方法是私有的，不可以直接创建
 可以通过Pattern.complie(String regex)创建一个正则表达式
 只能做一些简单的匹配操作

使用：
Pattern.split(CharSequence input) ,成员方法, 用于分隔字符串
import java.util.regex.*;
public class TestRegex
{
public static void main(String[] args)
{
String input=“001_天亮_教育_石家庄”;
Pattern pattern=Pattern.compile("_");
String[] strArray=pattern.split(input);
for(String ele:strArray){
System.out.println(ele);
}
}
}

Pattern.matches (String regex,CharSequence input)，静态方法，用于快速匹配字符串,该方法适合用于只匹配一次,且匹配全部字符串。

2.3.2 Matcher
 构造方法也是私有的，不能随意创建，只能通过Pattern.matcher(CharSequence input)方法得到该类的实例 Matcher m = p.matcher(“aaaaab”);
 支持便捷强大的正则匹配操作，包括分组、多次匹配支持
2.3.2.1 字符串匹配
Matcher.matches()：对整个字符串进行匹配，只有整个字符串都匹配了才返回true
Matcher.lookingAt()：对前面的字符串进行匹配，只有匹配到的字符串在最前面才返回true
Matcher.find()：对字符串进行匹配,匹配到的字符串可以在任何位置

// 1 matches : 全词匹配
public static void test1() {
	String input = "13113113111";
	String regex = "\\d{11}";

	// 创建正则表达式引擎对象
	Pattern pattern = Pattern.compile(regex);
	// 创建匹配器
	Matcher matcher = pattern.matcher(input);
	// 匹配
	boolean result = matcher.matches();
	System.out.println(result);
}

// 2 lookingAt : 从前往后匹配,前面符合条件就行
public static void test2() {
	String input = "13113113111asd";
	String regex = "\\d{11}";

	// 创建正则表达式引擎对象
	Pattern pattern = Pattern.compile(regex);
	// 创建匹配器
	Matcher matcher = pattern.matcher(input);
	// 匹配
	boolean result = matcher.lookingAt();
	System.out.println(result);
}

// 3 find : 任意位置符合条件都可以
public static void test3() {
	String input = "asd13113113111asd";
	String regex = "\\d{11}";

	// 创建正则表达式引擎对象
	Pattern pattern = Pattern.compile(regex);
	// 创建匹配器
	Matcher matcher = pattern.matcher(input);
	// 匹配
	boolean result = matcher.find();
	System.out.println(result);
}

2.3.2.2 数据提取
// 4 group : find和group一起使用,可以做到数据提取
public static void test4() {
String input = “张小三的电话号码是13113113111s@##李四的电话号码是13113113112王五的电话号码是13113113113”;
// [\u4E00-\u9FFF] 汉字范围
String regex = “([\u4E00-\u9FFF]{2,3})的电话号码是(\d{11})”;

	// 创建正则表达式引擎对象
	Pattern pattern = Pattern.compile(regex);
	// 创建匹配器
	Matcher matcher = pattern.matcher(input);
	// 匹配
	while (matcher.find()) {
		// group() 和 group(0) 都是提取匹配到的数据
		// 1 就是第一组数据(第一个小括号) , 2 就是第二组数据
		// System.out.println(matcher.group());
		// System.out.println(matcher.group(0));
		System.out.println(matcher.group(1)+" : "+matcher.group(2));
	}
}

2.3.2.3 叠词去重

	// 还原成 : 我要学编程
	String input = "我我...我我...我要..要要...要要...学学学....学学...编编编..编程..程.程程...程...程";
	// 1 把.去掉
	input = input.replaceAll("[^\u4E00-\u9FFF]", "");
	// 我我我我我要要要要要学学学学学编编编编程程程程程程
	System.out.println(input);

	// (.) : 任意字符组成
	// \\1 获取前面组中的数据
	// (\\d)\\1 : 表示两个连续出现的数字, 比如 11,22,33,44
	// (\\d)(a)\\1 : 表示 第一个和第三个是相同的数字,且数字中间有个a ,1a1,9a9
	// (\\d)(a)\\2 : 表示 第一个是数字,第二个和第三个都是a,1aa,3aa
	String regex = "(.)(\\1+)";

	// 创建正则表达式引擎对象
	Pattern pattern = Pattern.compile(regex);
	// 创建匹配器
	Matcher matcher = pattern.matcher(input);
	// find查找
	// while (matcher.find()) {
	// // 使用 group(1)把group(0) 替换即可
	// input = input.replaceAll(matcher.group(), matcher.group(1));
	// }

	// $1 就是 group(1) 而 regex 就等于是group();
	input = input.replaceAll(regex, "$1");
	System.out.println(input);